Contacta con nosotros

Temario del curso

Introducción a los sistemas de traducción con LLM

  • Comprensión de la traducción automática neuronal (NMT) y sus limitaciones
  • Visión general de las arquitecturas de LLM y sus capacidades de traducción
  • Comparación entre la traducción automática tradicional y la basada en LLM

Trabajo con LLMs propietarios y de código abierto

  • Uso de modelos de OpenAI, Deepseek, Qwen y Mistral para traducción
  • Compromisos entre rendimiento y latencia
  • Selección del modelo adecuado para su flujo de trabajo

Construcción de canales de traducción con LangChain

  • Principios de diseño de canales para traducción con LLM
  • Implementación de una cadena de traducción con LangChain
  • Gestión de ventanas de contexto y uso de tokens

Automatización de flujos de trabajo de traducción

  • Programación de tareas de traducción mediante Python y herramientas de automatización
  • Manejo de trabajos por lotes en múltiples idiomas
  • Integración con sistemas de gestión de localización

Mejora de la calidad de la traducción

  • Ingeniería de prompts para traducción con conciencia contextual
  • Automatización de la postedición y diseño con intervención humana
  • Estrategias de ajuste fino para traducción especializada por dominio

Evaluación y monitoreo de canales de traducción

  • Estimación automática de la calidad (AQE) y evaluación mediante la puntuación BLEU
  • Registro, análisis y observabilidad del canal
  • Manejo de errores y mecanismos de respaldo

Escalamiento y despliegue de sistemas de traducción

  • Despliegue en la nube con Docker y frameworks serverless
  • Balanceo de carga y procesamiento paralelo para traducción a gran escala
  • Consideraciones de seguridad, cumplimiento y privacidad de datos

Integración de canales de traducción en la infraestructura empresarial

  • Conexión de APIs de traducción con CMS, ERP y plataformas de localización
  • Gestión de costos y rendimiento a escala
  • Gobernanza y flujos de aprobación para localización empresarial

Resumen y próximos pasos

Requerimientos

  • Conocimientos básicos de programación en Python
  • Experiencia en integración de APIs y automatización de flujos de trabajo
  • Familiaridad con conceptos de aprendizaje automático y modelos de lenguaje

Público objetivo

  • Ingenieros de aprendizaje automático
  • Especialistas en tecnología de localización y traducción
  • Arquitectos de software y líderes de ingeniería
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas